In [1]:
import pyecharts
In [2]:
import pyecharts.options as opts
from pyecharts.charts import Scatter
from pyecharts.charts import Line
In [3]:
import  pandas as pd
import  numpy as np
In [4]:
import xlrd
In [7]:
global df_fuzhou
global df_putian
global df_quanzhou
global df_xiamen
global df_zhang
global df_long
global df_san
global df_nan
global df_ning
In [ ]:
for i in country:
    
In [5]:
df_fu=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='福州')
df_pu=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='莆田')
df_quan=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='泉州')
df_xia=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='厦门')
df_zhang=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='漳州')
df_long=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='龙岩')
df_san=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='三明')
df_nan=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='南平')
df_ning=pd.read_excel('C:/Users/ADMIN/Desktop/研究生/预测输入数据_20220325.xlsx',sheet_name='宁德')
In [ ]:
 
In [9]:
df_fu_1=df_fu.loc[:1144,'大工业'].tolist()
df_pu_1=df_pu.loc[:1144,'大工业'].tolist()
df_quan_1=df_quan.loc[:1144,'大工业'].tolist()
df_xia_1=df_xia.loc[:1144,'大工业'].tolist()
df_zhang_1=df_zhang.loc[:1144,'大工业'].tolist()
df_long_1=df_long.loc[:1144,'大工业'].tolist()
df_san_1=df_san.loc[:1144,'大工业'].tolist()
df_nan_1=df_nan.loc[:1144,'大工业'].tolist()
df_ning_1=df_ning.loc[:1144,'大工业'].tolist()
In [59]:
df4=df_quanzhou.loc[:1144,:]
df4
Out[59]:
日期 大工业 非普工业 居民生活 非居民照明 商业用电 农业 抽蓄电量 趸售 最高气温 最低气温 星期 是否节假日 节日 农历 平均气温 电量数据源
0 2019-01-01 0.438762 0.137428 0.275215 0.022779 0.089111 0.007202 NaN NaN 16 12 星期二 1 元旦 十一月廿六 14.0 用采
1 2019-01-02 0.524628 0.198761 0.263632 0.024709 0.089175 0.007177 NaN NaN 13 12 星期三 0 NaN 十一月廿七 12.5 用采
2 2019-01-03 0.558072 0.209736 0.262698 0.024721 0.088201 0.006877 NaN NaN 16 13 星期四 0 NaN 十一月廿八 14.5 用采
3 2019-01-04 0.564177 0.210542 0.252912 0.024019 0.088205 0.007008 NaN NaN 23 16 星期五 0 NaN 十一月廿九 19.5 用采
4 2019-01-05 0.564997 0.207358 0.251636 0.022573 0.087632 0.007049 NaN NaN 18 14 星期六 1 NaN 十一月三十 16.0 用采
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
1140 2022-02-14 0.493138 0.110315 0.305311 0.028472 0.111847 0.008121 NaN 0.009253 16 9 星期一 0 NaN 一月十四 12.5 营销
1141 2022-02-15 0.548978 0.103534 0.313201 0.028553 0.109866 0.008151 NaN 0.005346 17 9 星期二 0 元宵节 一月十五 13.0 营销
1142 2022-02-16 0.555845 0.131694 0.303118 0.028464 0.111444 0.008234 NaN 0.005676 17 10 星期三 0 NaN 一月十六 13.5 营销
1143 2022-02-17 0.584695 0.150042 0.305739 0.028851 0.113847 0.008398 NaN 0.006376 15 10 星期四 0 NaN 一月十七 12.5 营销
1144 2022-02-18 0.616479 0.165172 0.313179 0.029180 0.115898 0.008387 NaN 0.006890 14 11 星期五 0 NaN 一月十八 12.5 营销

1145 rows × 17 columns

In [18]:
df1=df_fu.loc[:1179,:]
df1
Out[18]:
日期 大工业 非普工业 居民生活 非居民照明 商业用电 农业 抽蓄电量 趸售 最高气温 最低气温 星期 是否节假日 节日 农历 平均气温 电量数据源
0 2019-01-01 0.518497 0.065579 0.333078 0.034857 0.127522 0.011882 NaN NaN 12 9 星期二 1 元旦 十一月廿六 10.5 用采
1 2019-01-02 0.584312 0.076895 0.326599 0.043124 0.134476 0.012063 NaN NaN 12 10 星期三 0 NaN 十一月廿七 11.0 用采
2 2019-01-03 0.611773 0.079043 0.324024 0.042798 0.133166 0.012062 NaN NaN 14 11 星期四 0 NaN 十一月廿八 12.5 用采
3 2019-01-04 0.600721 0.076386 0.304406 0.039722 0.128625 0.012150 NaN NaN 21 14 星期五 0 NaN 十一月廿九 17.5 用采
4 2019-01-05 0.604838 0.075042 0.300706 0.033577 0.122537 0.012214 NaN NaN 16 13 星期六 1 NaN 十一月三十 14.5 用采
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
1175 2022-03-21 0.751320 0.092385 0.295570 0.042695 0.140210 0.014204 NaN NaN 17 12 星期一 0 NaN 二月十九 14.5 营销
1176 2022-03-22 0.734285 0.082307 0.307354 0.043304 0.137838 0.014264 NaN NaN 13 12 星期二 0 NaN 二月二十 12.5 营销
1177 2022-03-23 0.729631 0.083010 0.317733 0.044003 0.138312 0.014287 NaN NaN 13 11 星期三 0 NaN 二月廿一 12.0 营销
1178 2022-03-24 0.739850 0.082859 0.315146 0.043167 0.136990 0.014453 NaN NaN 18 15 星期四 0 NaN 二月廿二 16.5 营销
1179 2022-03-25 0.738420 0.081060 0.311317 0.043292 0.137690 0.014443 NaN NaN 19 18 星期五 0 NaN 二月廿三 18.5 NaN

1180 rows × 17 columns

In [6]:
df_date=df_fu['日期'].tolist()
In [5]:
country=['福州','莆田','泉州','厦门','漳州','龙岩','三明','南平','宁德']
In [60]:
df4_1=df4['大工业'].tolist()
In [56]:
df3_1=df3['大工业'].tolist()
In [12]:
df_date=df1['日期'].tolist()
df_1=df1['大工业'].tolist()
df_2=df1['非普工业'].tolist()
In [ ]:
大工业 、非普工业、居民生活、非居民照明、商业用电、农业
In [ ]:
 
In [26]:
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门大工业",y_axis=df_xia_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州大工业",y_axis=df_fu_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州大工业",y_axis=df_quan_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田大工业",y_axis=df_pu_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州大工业",y_axis=df_zhang_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩大工业",y_axis=df_long_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明大工业",y_axis=df_san_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平大工业",y_axis=df_nan_1,label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德大工业",y_axis=df_ning_1,label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="2021年11月厦门六类用电量",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('大工业.html')   #类型选择  slider ,inside
                  
Out[26]:
'E:\\myjupyter2\\数据练习\\大工业.html'
In [19]:
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门非普工业",y_axis=df_xia.loc[:1144,'非普工业'].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州非普工业",y_axis=df_fu.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州非普工业",y_axis=df_quan.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田非普工业",y_axis=df_pu.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州非普工业",y_axis=df_zhang.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩非普工业",y_axis=df_long.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明非普工业",y_axis=df_san.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平非普工业",y_axis=df_nan.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德非普工业",y_axis=df_ning.loc[:1144,'非普工业'],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="非普用电",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('feipu.html')   #类型选择  slider ,inside
Out[19]:
'E:\\myjupyter2\\数据练习\\feipu.html'
In [21]:
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门居民生活",y_axis=df_xia.loc[:1144,'居民生活'].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州居民生活",y_axis=df_fu.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州居民生活",y_axis=df_quan.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田居民生活",y_axis=df_pu.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州居民生活",y_axis=df_zhang.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩居民生活",y_axis=df_long.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明居民生活",y_axis=df_san.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平居民生活",y_axis=df_nan.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德居民生活",y_axis=df_ning.loc[:1144,'居民生活'],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="非普用电",pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('居民生活.html')   #类型选择  slider ,inside
Out[21]:
'E:\\myjupyter2\\数据练习\\居民生活.html'
In [ ]:
大工业 、非普工业、居民生活、非居民照明、商业用电、农业
产业与温度的话,得用两个坐标轴
In [7]:
line1=Line()
line1.add_xaxis(xaxis_data=df_date)
line1.add_yaxis(series_name="厦门"+'气温',y_axis=df_xia.loc[:1144,'平均气温'].tolist(),label_opts=opts.LabelOpts(is_show=False))
Out[7]:
<pyecharts.charts.basic_charts.line.Line at 0x25a4e9fae48>
In [8]:
from pyecharts import Overlap
---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-8-ceac09510785> in <module>
----> 1 from pyecharts import Overlap

ImportError: cannot import name 'Overlap' from 'pyecharts' (E:\anaconda\lib\site-packages\pyecharts\__init__.py)
In [ ]:
.extend_axis(
        yaxis=opts.AxisOpts(
            name="蒸发量",
            type_="value",
            min_=0,
            max_=250,
            position="right",
            axisline_opts=opts.AxisLineOpts(
                linestyle_opts=opts.LineStyleOpts(color=colors[1])
            ),
            axislabel_opts=opts.LabelOpts(formatter="{value} ml"),
        )
In [19]:
i='非居民照明'
j='大工业'
k='非普工业'
l='居民生活'
m='商业用电'
n='农业'
index1=1179
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.extend_axis(yaxis=opts.AxisOpts(name='平均气温',type_="value", position="right"))
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:index1,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+j,y_axis=df_xia.loc[:index1,j].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+k,y_axis=df_xia.loc[:index1,k].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+l,y_axis=df_xia.loc[:index1,l].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+m,y_axis=df_xia.loc[:index1,m].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+n,y_axis=df_xia.loc[:index1,n].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="厦门"+'气温',y_axis=df_xia.loc[:index1,'平均气温'].tolist(),yaxis_index=1,label_opts=opts.LabelOpts(is_show=False))

                                     
#line.extend_axis(yaxis=opts.AxisOpts(name='type_="value", position="right"))
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),
        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title='厦门市',pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render_notebook()   #类型选择  slider ,inside
Out[19]:
In [19]:
line.overlap(line1)
# line.render("折线散点组合图.html")

line.render_notebook()
Out[19]:
In [ ]:
overlap = Overlap()
overlap.add(line, is_add_yaxis = True)
overlap.add(line1, is_add_yaxis = True)
 
overlap.render(r"/Users/csdn/pyecharts_example.html")
In [23]:
i='非居民照明'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('非居民照明.html')   #类型选择  slider ,inside
Out[23]:
'E:\\myjupyter2\\数据练习\\非居民照明.html'
In [24]:
i='商业用电'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('商业用电.html')   #类型选择  slider ,inside
Out[24]:
'E:\\myjupyter2\\数据练习\\商业用电.html'
In [25]:
i='农业'
line=Line(init_opts=opts.InitOpts(theme='white',
                                      width='900px',
                                      height='500px'))
line.add_xaxis(xaxis_data=df_date)
line.add_yaxis(series_name="厦门"+i,y_axis=df_xia.loc[:1144,i].tolist(),label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="福州"+i,y_axis=df_fu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="泉州"+i,y_axis=df_quan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="莆田"+i,y_axis=df_pu.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="漳州"+i,y_axis=df_zhang.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="龙岩"+i,y_axis=df_long.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="三明"+i,y_axis=df_san.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="南平"+i,y_axis=df_nan.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))
line.add_yaxis(series_name="宁德"+i,y_axis=df_ning.loc[:1144,i],label_opts=opts.LabelOpts(is_show=False))

#line.add_yaxis(series_name="厦门非普工业",y_axis=df_2,label_opts=opts.LabelOpts(is_show=False))
               
line.set_global_opts(     #x轴配置
        xaxis_opts=opts.AxisOpts(
            #name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴,category
            type_="category",
            # 分割线配置项
            
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title=i,pos_left='35%',pos_top='10%'),
    )
line.set_global_opts(datazoom_opts=opts.DataZoomOpts(type_='slider',range_end=50)) # 设置起止位置,50%-100%
                                                       
line.render('农业.html')   #类型选择  slider ,inside
Out[25]:
'E:\\myjupyter2\\数据练习\\农业.html'
In [8]:
# 使用pyecharts绘制散点图
x_data = ['大工业','非普工业','居民生活','非居民照明','商业用电','农业']
#y_data = [0.1269594473, 0.09490534945, 0.189478988, 0.04494005512, 0.04201554458, 0.1311511588]
#y_new = [0.03020660129, 0.02035749148, 0.02463537084, 0.0343003891, 0.02736538075, 0.04484024165]
In [4]:
y_data=[0.02842381638258611,0.04684507896080731,0.09102833444699752,0.037652991497774096,0.05284938797389712,0.10379812835361756]
In [11]:
y_new=[0.002269,0.020209401,0.039724664,0.061028660,0.03193740,0.0262369]
In [5]:
y_data=[0.2494673431570422,0.2580639152872651,0.02950394977366279,0.03437019577364595,0.015723175026725402,0.010498576053550993]
In [6]:
y_new=[0.08384028398801714,0.010318300049805468,0.01584363326174563,0.11959341347405453,0.018782848952763095,0.12335134435527495]
In [9]:
scatter1= Scatter(init_opts=opts.InitOpts(width="900px", height="600px"))
scatter1.add_xaxis(xaxis_data=x_data)
scatter1.add_yaxis(
        # 系列名称
    series_name="无疫情",
        # 系列数据
        y_axis=y_data,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#f27d7e',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )
scatter1.add_yaxis(
        # 系列名称
        series_name="加入疫情",
        # 系列数据
        y_axis=y_new,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#6e7f80',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True)) #显示标签
scatter1.set_series_opts()
scatter1.set_global_opts(
        #x轴配置
        xaxis_opts=opts.AxisOpts(
            name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴
            type_="category",
            # 分割线配置项
            splitline_opts=opts.SplitLineOpts(is_show=True) #显示分割线
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="厦门管控下六类用电量",pos_left='35%',pos_top='10%'),
    )
scatter1.render('厦门疫情影响.html')
                  
Out[9]:
'E:\\myjupyter2\\数据练习\\厦门疫情影响.html'
In [ ]:
 
In [6]:
c = (
     #散点图
     #初始化
    Scatter(init_opts=opts.InitOpts(width="900px", height="600px"))
    .add_xaxis(xaxis_data=x_data)
    .add_yaxis(
        # 系列名称
        series_name="无协变量",
        # 系列数据
        y_axis=y_data,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#f27d7e',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )
    .add_yaxis(
        # 系列名称
        series_name="有选择加入协变量",
        # 系列数据
        y_axis=y_new,
        # 标记的大小
        symbol_size=15,
        # 标记的图形
        symbol = None,
        # 是否选中图例
        is_selected = True,
        # 系列 label 颜色
        color = '#6e7f80',
        # 标签配置项
        label_opts=opts.LabelOpts(is_show=True), #显示标签
    )

    #系统配置项
    .set_series_opts()
    #全局配置项
    .set_global_opts(
        #x轴配置
        xaxis_opts=opts.AxisOpts(
            name ='用电类别',
            name_location = 'center',
            name_gap = 30,
            # 坐标轴类型 'value': 数值轴
            type_="category",
            # 分割线配置项
            splitline_opts=opts.SplitLineOpts(is_show=True) #显示分割线
        ),


        # 提示框配置项
        tooltip_opts=opts.TooltipOpts(is_show=True), # 显示提示框组件
        title_opts=opts.TitleOpts(title="2021年11月厦门六类用电量",pos_left='35%',pos_top='10%'),
    )
    .render("202111MAPE.html" )
)
In [ ]:
 
In [ ]: